基于上下文生成对抗网络的人脸老化
计算机视觉与模式识别
2018-02-02 v1
摘要
人脸老化，即为输入人脸渲染老化后面孔，已在多媒体研究中引起广泛关注。近来，若干基于条件生成对抗网络（GAN）的方法取得巨大成功。它们能生成符合真实人脸分布、以各年龄组为条件的图像。然而，这些方法未能捕捉过渡模式，例如相邻年龄组间逐渐变化的形状与纹理。本文中，我们提出一种新颖的上下文生成对抗网络（C-GANs）来专门考虑此问题。C-GANs 由一个条件变换网络与两个判别网络组成。条件变换网络借助若干专门设计的残差块模拟老化过程。年龄判别网络引导合成人脸拟合真实条件分布。过渡模式判别网络是新颖的，旨在区分真实与虚假的过渡模式。它作为条件变换网络的额外正则化项，确保生成的图像对拟合相应的真实过渡模式分布。实验结果表明，与当前最优方法及真值相比，所提框架产生了引人瞩目的结果。我们还观察到跨年龄人脸验证的性能提升。
引用
@article{arxiv.1802.00237,
title = {Face Aging with Contextual Generative Adversarial Nets},
author = {Si Liu and Yao Sun and Defa Zhu and Renda Bao and Wei Wang and Xiangbo Shu and Shuicheng Yan},
journal= {arXiv preprint arXiv:1802.00237},
year = {2018}
}
备注
accepted at ACM Multimedia 2017